NVIDIAs Weg zu mobilen Chips: Smartphones scheiterten, Smart Cars kamen auf
|
Ich glaube, jeder Computerbenutzer kennt den Namen NVIDIA. Dieser weltbekannte GPU-Hersteller hat sich zum absoluten König im Bereich der Bildprozessoren entwickelt. Doch trotz seines enormen Marktanteils bewegte sich der Aktienkurs von NVIDIA in den vergangenen 17 Jahren fast immer um die 20 US-Dollar (entsprechend einem Marktwert von rund 10 Milliarden US-Dollar), und die Prozessoren der Tegra-Serie waren im Smartphone-Bereich eher mäßig erfolgreich. Doch ab 2015 stieg der Aktienkurs von NVIDIA rasant an und vertrieb nicht nur die düstere Stimmung auf dem Markt für Mobilprozessoren, sondern durchbrach auch die historische Marke von 100 US-Dollar (entsprechend einem Marktwert von rund 60 Milliarden US-Dollar) und erreichte damit einen beispiellosen neuen Höchststand. ↑ Änderungen des Aktienkurses von NVIDIA seit der Notierung über Bloomberg. In den letzten zwei Jahren hat NVIDIA schnell in die Bereiche Automobil und Deep Learning expandiert. Basierend auf dem Tegra-Prozessor hat das Unternehmen die Computerplattformen DRIVE PX und DRIVE PX2 für autonom fahrende Fahrzeuge auf den Markt gebracht und begonnen, mit Tesla, Audi, Bosch und anderen Automobilherstellern bei der Entwicklung selbstfahrender Technologien zu kooperieren. Auf der CES 2017 stellte das Unternehmen den mit DRIVE PX2 ausgestatteten Prototyp des selbstfahrenden Autos NVIDIA BB8 vor. Dieses Mal könnte NVIDIA im Trend des autonomen Fahrens und intelligenter Autos der neue König werden. ↑ NVIDIAs selbstfahrendes Testauto auf der CES 2017 1. GPU-König verliert im Smartphone-Zeitalter NVIDIA hat bereits große Anstrengungen im GPU-Bereich unternommen und 2008 den ARM- und Geforce-basierten Mobilprozessor Tegra auf den Markt gebracht. Aufgrund der enormen Vorteile dieser Prozessorreihe in der Bildverarbeitung eroberte sie anschließend schnell den Markt für Spielekonsolen und Tablets mit hohen Anforderungen an die Bildverarbeitung und wurde in den folgenden Jahren kontinuierlich aktualisiert und verbessert. Doch im Bereich der Smartphones wurde die Tegra-Reihe von Qualcomm und Samsung übertroffen und sogar Huawei hat aufgeholt. Seit Tegra 4 ist NVIDIA aus dem Smartphone-Bereich nahezu verschwunden. Sogar über das Xiaomi 3-Telefon, das als erstes den T4-Prozessor auf den Markt brachte, beschweren sich die Benutzer noch immer. NVIDIA, der GPU-König, startete früh im Smartphone-Markt, kam aber spät. Dieser Fehler war zwar zufällig, aber eher unvermeidlich. ↑ Die einst mit Spannung erwarteten Prozessoren der Tegra-Serie 1. Baseband – der Kern der Handy-CPU Basisband, ein allgemeiner Begriff für Modulations- und Demodulationstechnologien, ist die Schlüsselbrücke, die für den Empfang und die Umwandlung von Signalen zwischen Mobiltelefonen und der Außenwelt verantwortlich ist. Alle Kommunikationstechnologien wie Telefonie, Internetzugang und Standby kommen daran nicht vorbei. Wir gehen im Allgemeinen davon aus, dass sich die Leistung der CPU eines Mobiltelefons in ihrer Verarbeitungsgeschwindigkeit und ihrem Stromverbrauch widerspiegelt. Tatsächlich gibt es im Zeitalter der Smartphones noch eine weitere grundlegende und entscheidende Anforderung: die Signalqualität des Mobiltelefons. Diese durch die Basisbandleistung bestimmte Kommunikationsfunktion bestimmt direkt die Anrufqualität und Internetgeschwindigkeit des Mobiltelefons. Wenn es um die Basisbandtechnologie geht, ist NVIDIA praktisch ein unbeschriebenes Blatt. Nicht nur NVIDIA, sondern auch Giganten des analogen Kommunikationszeitalters wie Texas Instruments und Motorola haben keine Erfolge in der digitalen Kommunikationstechnologie (3G, 4G) vorzuweisen. Die Patente auf diesem Gebiet werden fast vollständig von Qualcomm monopolisiert. Qualcomm setzt außerdem auf seine Basisbandtechnologie, um die Snapdragon-Reihe integrierter mobiler Prozessorchips auf den Markt zu bringen, die sich in diesem Bereich allmählich zum Mainstream entwickelt haben. Bei Mobiltelefonprozessoren mit ARM-Architektur sind die Leistungsunterschiede zwischen den verschiedenen Unternehmen nicht besonders groß, Qualcomm kann jedoch dennoch stabile und zuverlässige integrierte Basisbänder bereitstellen und ist aufgrund seiner Kosten absolut im Vorteil. Denn egal, wie leistungsstark der NVIDIA-Prozessor ist, er verwendet immer noch die Basisbandchips von Qualcomm, was den Entwicklungsaufwand und die Kosten entsprechend erhöht. An diesem Punkt ist der Niedergang nicht nur von NVIDIA, sondern der der meisten Hersteller unvermeidlich, es sei denn, Sie können Ihre eigene patentierte Basisbandtechnologie entwickeln, wie beispielsweise die aufstrebende Kirin-Serie von Huawei. ↑ Qualcomm Snapdragon- und Huawei Kirin-Prozessoren mit integriertem Basisband 2. Positionierungsabweichung + T4 schwer herzustellen NVIDIA begann als GPU und wechselte zu mobilen Verarbeitungschips, daher wird es diesen Vorteil definitiv nicht aufgeben. Der Tegra-Prozessor integriert daher leistungsstarke Bildverarbeitungsfunktionen und positioniert sich hauptsächlich im Tablet- und Spielekonsolenbereich. Der Erfolg von T1 in diesen beiden Bereichen beweist auch die Stärke von NVIDIA. Daher konzentrierte sich T2 noch immer darauf, doch zu diesem Zeitpunkt begannen die 3G- und 4G-Technologien zu gären und Qualcomm startete einen starken Angriff. Zu dieser Zeit hätte sich T2 aufgrund seiner Bildverarbeitungsleistung auch einen gewissen Markt im Mobiltelefonbereich erobern können, doch NVIDIA hatte die Gelegenheit verpasst, das Basisband zu integrieren, und T3 hinkte fast völlig hinterher. Die anschließende schwierige Geburt und der hohe Stromverbrauch von T4 verurteilten NVIDIA auch im Mobiltelefonbereich zum Scheitern. 2. Smart Cars: Der Weg zur neuen Königsherrschaft Der Misserfolg auf dem Smartphone-Markt zwang Huang Renxun nicht zu Kompromissen. Auf der NVIDIA-Konferenz zur Vorstellung neuer Produkte im Jahr 2015 wurde der Tegra X1-Prozessor vorgestellt. Dieses Mal stellte Huang das neue Produkt jedoch nur kurz vor und ließ dann eine Bombe platzen: DRIVE PX, eine neue Prozessorplattform für intelligente Autos, die auf dem Tegra X1 basiert. NVIDIA hat offiziell seinen massiven Einstieg in den Automobilsektor angekündigt und auch Audi, Tesla und andere Automobilhersteller haben begonnen, mit dem Unternehmen zu kooperieren. In der Folgezeit begann der Aktienkurs von NVIDIA in die Höhe zu schnellen. War dieser Erfolg also zufällig oder unvermeidlich? ↑ Selbstfahrendes Rennauto Roborace, ausgestattet mit DRIVE PX 2 1. Der Unterschied zwischen GPU und CPU CPU und GPU sind beides unverzichtbare Schlüsselprozessoren in der modernen Computertechnologie. Die CPU eignet sich gut für komplexe logische Operationen und allgemeine Datenoperationen und wurde erfunden, um komplexe Berechnungen und Steuerungen durchzuführen. GPUs eignen sich gut für große Datenmengen und einfache, logisch wiederholte Berechnungen und wurden zur Lösung der Bildpixelverarbeitung entwickelt. Die unterschiedlichen Designziele führen zu großen Unterschieden in der Struktur, wie die folgende Abbildung zeigt: ↑ Vergleich der CPU- und GPU-Strukturen Die CPU verfügt über leistungsstarke Recheneinheiten und einen riesigen Cache-Bereich. Bei der Durchführung komplexer Berechnungen und Steuerungen können die Recheneinheiten die Effizienz der Berechnungen sicherstellen und der Cache-Bereich ausreichend Datenladebereich bereitstellen. Auch bei komplexen Berechnungen und Terminallogik können Geschwindigkeit und Genauigkeit gewährleistet werden. Daher ist die CPU besser für serielle Operationen und logische Steuerung geeignet. Die GPU verfügt über viele dicht gepackte Recheneinheiten und einen kleinen Cache-Bereich. Jeder Thread ist mit einem Cache-Bereich und einer Steuereinheit ausgestattet, und die Recheneinheit muss nur einfache Logik verarbeiten, wodurch auch jeder Thread gleichzeitig arbeiten kann. Daher eignet sich die GPU für groß angelegtes, logisch einfaches Parallelrechnen. 2. GPU-beschleunigte Algorithmen Der Kern der Bildverarbeitung besteht darin, Pixel mit einfachen Informationen, aber großer Menge zu verarbeiten. Dies ist die Phase, in der GPU geboren wurde. Die Verwendung einer GPU zur Bildverarbeitung und zum Rendern kann die Effizienz erheblich steigern. Auf dieser Grundlage hat NVIDIA eine Methode zur GPU-beschleunigten Datenverarbeitung vorgeschlagen, bei der CPU und GPU gleichzeitig zur Verarbeitung von Datenverarbeitungsaufgaben verwendet werden. Dabei werden die intensiven Berechnungen des Programms auf die GPU verlagert, während die übrige Logik weiterhin auf der CPU ausgeführt wird. Diese Kombination ermöglicht es der GPU, in mehr Anwendungsszenarien eine Rolle zu spielen. ↑ Diagramm des NVIDIA GPU-Beschleunigungsalgorithmus. Im Bereich des maschinellen Lernens werden beispielsweise die leistungsstarken parallelen Rechenfunktionen der GPU verwendet, um große Mengen an Lerndaten zu verarbeiten, und die CPU wird zum Vervollständigen anderer Logik verwendet. Prozessoren der Tegra-Serie können diese Berechnungsmethode perfekt unterstützen, was NVIDIA zur ersten Wahl für viele Systeme des maschinellen Lernens macht. Professor Ian Lane von der Carnegie Mellon University erklärt: „Mithilfe der GPU kann die Transkriptionsgeschwindigkeit von aufgezeichneten Sprach- oder Multimediainhalten erheblich verbessert werden. Im Vergleich zu CPU-Software können wir Erkennungsaufgaben bis zu 33-mal schneller durchführen.“ ↑ Benchmarkergebnisse des NVIDIA K40-Prozessors für Anwendungen des maschinellen Lernens 3. Tegras neue Stufe – autonomes Fahren Bildverarbeitung und maschinelles Lernen sind für das autonome Fahren zu unverzichtbaren Technologien geworden. Die Umfeldwahrnehmung und Zielerkennung beim autonomen Fahren erfordern die Beteiligung der Bildverarbeitung. Mithilfe von Algorithmen des maschinellen Lernens können die Effizienz und Genauigkeit der Zielerkennung effektiv verbessert werden, was auch eine neue Stufe für NVIDIA Tegra-Prozessoren darstellt. ↑ Diagramm des autonomen Fahrsystems von NVIDIA NVIDIA verwendet zwei Tegra-Prozessoren auf der DRIVE PX2-Plattform und integriert eine neue Generation leistungsstarker GPUs mit Pascal-Architektur, die gleichzeitig Signale von 12 hochauflösenden Kameras empfangen und verarbeiten und Daten von mehreren Kameras sowie Lidar-, Radar- und Ultraschallsensoren zusammenführen können. Dadurch kann der Algorithmus die Umgebung des Fahrzeugs in 360 Grad erfassen und so stabile Bilder erzeugen, einschließlich statischer und dynamischer Ziele. Die Anwendung von DNN (Deep Neural Network) verbessert die Genauigkeit der Ergebnisse fusionierter Sensordaten bei der Erkennung und Zielklassifizierung erheblich. Diese umfassende Verarbeitungsplattform für autonomes Fahren übertrifft die Leistung aller aktuellen Automobilprozessoren nahezu und ist für viele Hersteller bei der Entwicklung autonomer Fahrtechnologie zur ersten Wahl geworden. ↑ NVIDIA veröffentlicht DRIVE PX 2-Plattform. Darüber hinaus ermöglichen die Leistung und Entwicklungserfahrung der Tegra-Serie auf mobilen Plattformen die Unterstützung verwandter Anwendungen wie Navigation, Instrumentierung und Unterhaltung im Auto. Tesla hat den Tegra 3-Prozessor bereits beim Model S verwendet, um den großen zentralen Touchscreen zu unterstützen. Es heißt, dass NVIDIA aufgrund der guten persönlichen Beziehung zwischen Tesla-Gründer Elon Musk und Huang Renxun schon früh in die Automobilbranche eingestiegen sei und viel Erfahrung gesammelt habe. Im aufstrebenden Bereich des autonomen Fahrens mangelt es an Industriestandards. NVIDIA war einer der ersten Anbieter auf diesem Gebiet und konnte bereits umfangreiche Erfahrungen und Marktvorteile sammeln. ↑ NVIDIAs Partner im Automotive-Bereich III. Der Weg zum Erfolg ist nicht einfach Auch wenn NVIDIAs Aussichten derzeit rosig erscheinen, ist der Weg zum Giganten der intelligenten Autos nicht einfach. 1. Barrieren in der Automobilelektronikindustrie Im Vergleich zum Bereich der Unterhaltungselektronik weist die Automobilindustrie ihre eigenen Besonderheiten und strengen Anforderungen auf. Lebensdauer, Widerstandsfähigkeit gegenüber extremen Umgebungen, elektromagnetische Verträglichkeit, funktionale Sicherheit und viele weitere Anforderungen stellen große Herausforderungen an die Hardware der Automobilelektronik. Man kann sogar sagen, dass es sich um eine technische Barriere für die Automobilelektronikindustrie handelt. Gerade im Bereich der Prozessoren mit extrem hoher Integration sind die in der Unterhaltungselektronik üblichen 20 nm in der Automobilelektronik kaum noch vorstellbar. Stattdessen erfreuen sich 16-Bit- und 32-Bit-Prozessoren von Renesas und Freescale großer Beliebtheit. Das erste, was bei einem Auto gewährleistet sein muss, ist die Sicherheit. Erst nach ausreichender Verifizierung kann es im großen Maßstab eingesetzt werden. Dies ist auch der Grund, warum traditionelle Automobilhersteller schon immer relativ konservativ waren. 2. Verfolgung durch Wettbewerber Im vergangenen Jahr kam es im Bereich der Automobilelektronik zu einem bedeutenden Ereignis. Qualcomm hat den Automobilchip-Giganten NXP übernommen. Der Übernahmepreis stellte einen Rekord für Akquisitionen in der Halbleiterindustrie dar. Im Jahr zuvor hatte NXP zudem Freescale übernommen und war damit zum größten Hersteller von Chips für die Automobilindustrie geworden. Die Absicht von Qualcomm, diesen Übernahmeplan umzusetzen, ist offensichtlich. Mit der Entwicklung des autonomen Fahrens und der Fahrzeugvernetzung ist die Automobilelektronikbranche zum nächsten Hotspot geworden. Angesichts der Stärke und Ambitionen von Qualcomm bin ich davon überzeugt, dass der Wettbewerb in diesem Bereich intensiver werden wird und NVIDIA erneut mit der Herausforderung seiner alten Rivalen konfrontiert sein wird. ↑ Qualcomm übernimmt NXP für 40 Milliarden Dollar IV. Zusammenfassung: NVIDIA hat sein Vermögen mit der Entwicklung von Personalcomputern gemacht und ist durch den Einsatz von GPUs zu einem Giganten auf dem Gebiet der Bildverarbeitung geworden. Im Jahr 2008 wechselte das Unternehmen zu mobilen Plattformen und brachte die Prozessorserie Tegra auf den Markt. Allerdings konnte seine hervorragende Verarbeitungsleistung dem Monopol von Qualcomm auf Basisbandtechnologie im 3G- und 4G-Zeitalter nicht standhalten, was zu seinem Scheitern im Smartphone-Bereich führte. Die inhärenten Vorteile der GPU bei der parallelen Datenverarbeitung im großen Maßstab und die umfassende Investition des Firmengründers Huang Renxun haben es NVIDIA jedoch ermöglicht, in den letzten Jahren einen Vorsprung in den Bereichen der autonomen Fahrtechnologie und des maschinellen Lernens zu erlangen: Tesla integrierte Tegra 3, brachte die autonomen Fahrplattformen der DRIVE PX-Reihe auf den Markt und arbeitete eng mit großen Automobilherstellern zusammen. Aufgrund dieser Vereinbarungen wurde NVIDIA zum ersten Halbleiterunternehmen, das Prozessoren für Superautos anbieten konnte. Seine Vorteile in der Bildverarbeitung und im maschinellen Lernen eignen sich auch hervorragend für das neue Schlachtfeld des autonomen Fahrens. Derzeit ist die autonome Fahrtechnologie ein neuer Trend, und viele andere aufstrebende Akteure sind nach und nach auf den Zug aufgesprungen. Verschiedene Hochtechnologietechnologien aus den Bereichen Internet, Halbleiter und Computer haben die Entwicklung dieser Branche stark vorangetrieben und auch der Markt hat sich rasant verändert. Wer wird der endgültige Gewinner sein? Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018. |
<<: Voller schwarzer Technologie: Analyse der VPC-Funktionen der neuen Generation von UCloud
Artikel empfehlen
Welche Wirkung haben Sandsäcke?
Viele Menschen schlagen gerne auf Sandsäcke. Mens...
Männer am Weintisch müssen große Muskeln haben
Wenn Sie ein Bier halten, müssen Ihre angespannte...
Warum produziert Panzhihua Mangos? Trockenes Heißtal des Jinsha-Flusses, ein Anbaugebiet für tropische Früchte in den Subtropen
Obwohl Panzhihua in den Subtropen liegt, ist es d...
Was sollten „freundliche Konkurrenten“ im Wortkrieg von Uber lernen?
In der vergangenen Woche dominierten zwei Dinge m...
Mehr als eine Million Chinesen sind deswegen gestorben! Huaxi-Experten zeigen Ihnen, wie Sie sich von Folgendem fernhalten können:
Beginnen Sie mit der Rauchverweigerung bereits be...
Nationaler Tag der Liebeszähne – Sie dachten, es sei ein Mundgeschwür, aber es könnte tatsächlich Krebs sein! Öffnen Sie Ihren Mund und schauen Sie hin ...
Heute ist der 20. September, der nationale Tag de...
Genießen Sie das mobile Leben Lenovo Tablet S8 Outdoor-Erfahrungsbericht
Das gerade zu Ende gegangene 11.11 Shopping Festi...
Der edle König Yoga ist in den Augen der Menschen tatsächlich dies
Raja Yoga ist eine Art Yoga. Wenn Sie ein Freund ...
Welt-Thalassämie-Tag – Schwer zu behandeln, aber vermeidbar! 9 Bilder zum Verständnis von Thalassämie
Der 8. Mai 2023 ist der 30. Welt-Thalassämie-Tag ...
Welche Übungen gibt es für muskulöse Männer?
Manche Männer haben eine sehr gute Muskulatur, in...
Warum müssen Sie für Ihre Fitness anaerobe Übungen machen?
Viele Menschen, die oft im Büro sitzen, sind anfä...
Was ist Bodybuilding-Boxen?
Boxen stärkt nicht nur den Körper, sondern kann a...
Was sind die effektivsten Methoden, um zu Hause Muskeln aufzubauen?
Sie können zu Hause Muskeln aufbauen und müssen s...
UN-Bericht: Ein Drittel der Welterbe-Gletscher könnte bis 2050 verschwinden
Die Organisation der Vereinten Nationen für Erzie...
Wie kann man beurteilen, ob die Luft zu Hause gut oder schlecht ist? Sehr empfehlenswert zum Abholen!
In letzter Zeit nehmen verschiedene Atemwegserkra...